EP8 · AI 工厂/Instant Grep/Claude 电脑操作 · 03.24 早报-ginobefun

EP8 · AI 工厂/Instant Grep/Claude 电脑操作 · 03.24 早报

歌手:ginobefun

专辑:BestBlogs

时间:2026-03-15

    使用手机浏览器「扫一扫」

    在手机上保存,获得更好体验

标签
歌词

本字幕由TME AI技术生成

嘿 大家好

我是吉o

今天是二零二六年三月二十四号

星期二

今天早报内容比较多

先说几个最值得展开聊的

黄仁勋上了lex

Freedman 的博客

做了一个好几个小时的深度访谈

把nvidia 的ai 战略从底层逻辑到工程哲学讲了一遍

科尔发了一篇很硬核的技术文章

讲他们怎么给ai 智能体造了一个毫秒级的搜索引擎

然后esropy 一口气放了两个大动作

让cloud 直接操作你的电脑

同时发了一篇研究指南

讲怎么让ai 连续工作好几天

我们从黄仁勋聊起

黄仁勋这次和lex

Freedman 的对谈聊得很深

不是那种泛泛的行业展望

而是真正在拆解nvidia 怎么一步步走到四万亿美元市值的

有几个核心观点我觉得值得单独拿出来说

第一个

计算的基本单位已经变了

黄仁勋说

以前算力的单位是一个gpu

后来变成一台服务器

再后来变成一个集群

现在已经变成了一整座ai 工厂

什么意思呢

就是现代ai 的问题规模已经远超单颗芯片的能力

必须把芯片

网络 电力 散热

软件作为一个整体来设计

他把这叫做极限协同设计

通过机架级的联合优化来突破传统的性能瓶颈

这个思路其实很值得做产品的人借鉴

就要只优化单个环节

而是要看整个系统的瓶颈在哪里

第二个

他系统的提出了ai 的四大扩展定律

除了大家熟悉的预训练扩展

还有后训练扩展

就是用合成数据和人类反馈来提升质量

测试时扩展就是在推理的时候投入更多算力

让模型多想一会

他说了一句很精辟的话

推理就是思考

而思考比阅读难得多

测试式扩展本质上就是在思考

还有智能体扩展可以成倍复制数字员工来并行处理任务

这四个定律放在一起看

说明算力的需求不是在放缓

而是在沿着多条路径同时增长

第三个关于nvidia 的护城河

他很直接的说

装机量定义了一个架构

而是一切都是单优的

Sodd 的成功不是因为技术多优雅

而是通过g four 显卡把cuda 普及到了消费级市场

超过四千万开发者在用

这种生态一旦建立起来

迁移成本极高

所以他才说nvidia 是difalce 建起来的房子

还有一个细节我觉得很有意思

就是他的管理方式

黄仁勋有超过六十个直属下属

扁平化到了极致

他的工程哲学是对比物理极限来评估每一项设计

追求复杂到刚刚必要

但尽可能简单

这种从第一性原理出发的思维方式

和他对ai 扩展定律的判断是一致的

这个访谈值得完整看一遍

链接在简介里

说到工程化能力

Cursa 这次发的文章也很难打

他们讲的怎么实现毫秒级的政策搜索

叫instant grab

先说背景

Ai 智能体写代码的时候特别依赖搜索

需要不断的在代码库里找上下文

小项目没问题

但如果是大型单体仓库

几百万行代码

用传统的rib grap 扫描所有文件就会遇到瓶颈

搜索太慢

直接拖慢ai 的工作效率

Cursa 的方案是建一个本地的稀疏n 检索索核

核心思路不需要对所有文本都建索引

只对那些稀有的字符组合建索引就够了

用字符对的出现频率做权重

频率低的组合被选为索引点

因为这些稀有片段能更有效的缩小搜索范围

两个关键设计

第一

索引跑在用户本地

避免网络延迟

保证数据隐私

更重要的是graa i 修改代码后

索引能立刻更新

不会基于过时信息搜索

第二

索引状态锚定在git 提交上

加上一个本地变更层

用内存映射实现快速查找

内存占用很小

这篇和科塞上周发布的composer 二放一起看也很有意思

Composer 二是他们的新一代编程模型

通过持续预训练和强化学习

在各项基准测试上比前代提升很大

能处理需要数百个连续动作的任务

I instant grab 加compose 二

等于让ai 技能搜得快又能响的深

科塞在ai 编程工具这个赛道上的工程化能力确实值得关注

接下来聊anstropc 的两个大动作

先说close 的电脑操作功能

Anthropic 发布了研究预览版

叫cloud co worwork

允许cloud 直接控制你的michael s 电脑

不是简单的文件读写

是真正操作应用程序

浏览网页

填电子表格

在不同应用之间切换来完成任务了

Alten space 最近采访了co work 的负责人phlix x eeberg

就是之前sllack 桌面应用维护electron 的那位

他提能个关键键观察多人做cloud code

用来处理各种杂活

不只是写代码用如整理文档

做数据分析这些知识工作

用户真正需要的不是更聪明的聊天机器人

就是能帮你干活的助手

所以co work 的设计理念就很清楚

Phillix 说了

一句话我印象深

Ai 产品的前沿已经不是更好的聊天界面

而是可信的任务执行

他还提到

因为执行成本变得足够低

团队可以直接构建多个候选方案然后测试

不需要提前堵一个方向

技术上

Co work 走的是本地优先路线

Ai 在你自己的电脑上工作

不需要把数据传到云端

Nns ropc 还引入了dispatch 功能

手机和电脑之间无缝切换同一个对话

你在手机上给cloud 布布置任

Cloud 在电脑上自主完成

随时随地都能给ai 派活

同一天

Nn thropc 开发了另一篇重要的研究文章

讲怎么让ai 完成长程任务

就是那种需要连续工作几天甚至几周的大型项目

他们分享了一个案例

用单claude 能体重新新实现了一个宇宙数数值解解器

精度达到百分零零点一以内

几个键键方法

第一

单智能体顺序建模

没有用多个ai 行行行

是让一个ai 顺顺序执行

需要的时候在派生子任务

因为深度偶合的技术工作早期决策会急连影响后面所有步骤

第二

持久记忆系统

用cloud md 作为项目指令

Ai 随时参考和更新

用change log md 记录进度

特别是失败的尝试和原因

防止ai 反复踩同一个坑

同时用git 做版本控制

每完成一步就提交

方便回滚和异步检查

第三

必须有明确的验证机制参考

实现可量化的指标或者测试套件

没有清晰的成功标准

Ai 很容易跑偏

还有一个有意思的模式叫raf loop

就是反复问ai

你真的做完了吗

因为ai 有一种倾向叫agently claziness

会过早宣传任务完成得反复确认

直到真正达标

研究者形容说

看ai 的提交记录就像在看一个超级字面化的博士后的实验笔记

它能持续推进目标

但会犯领域专家一眼就能看出来的低级错误

把cowork 和长程任务放一起看

Anththropic 的方向很清楚

因为ai 从计时对话走向自主完成复杂任务

好

接下来快速过几条也值得关注的

天猫技术团队分享了一个实践

叫知识基座

解决的问题是ai 不懂业务怎么办

他们通过信号驱动自动捕获团队的隐性经验

Ai 在和开发者协作时

系统自动识别报错否定表达

反复调试这些信号

从百分之一的关键会话中提炼踩坑记录和方案选型

通过云端配置中心自动下发到每个人的ide

核心理念是一人踩坑

全员避雷

这个方案对于有一定规模的研发团队来说很值得参考

Smn wilson 演示了怎么用cloud skills 让ai 学习starlet 一点零的新api

Starlet 是fast api 的基础框架

一点零有一些破坏性变更

模型训练数据里只有旧版本代码

Simon 用cloud scale 减create 克隆了starlet

仓库自动生成skalls 文档之后

Clode 就能准确生成符合新api 的代码了

这提供了一个实用的范式

怎么让ai 跟上快速迭代的技术生态

Linnis poadcast 请了jessffan 聊产品经理最组可能ai 替代的核心能力

他的结论是高管影响力

Ai 能处理越来越多执行层面的工作

但能和领导层对齐思维

在组织中推动变革的能力反而更稀缺

这个判断我觉得不只适用于产心能力

对做技术的人也一样

Github 引入了ai 驱动安安检测功能作为cocoq q 的补充

亮点是覆盖范围扩展

展到shshstarlet 和teleform 这些基础设施

代码直接集成在prll request 的工作流中

得物技术写了一篇关于cloud code 加open spect 的深度文章

核心观点是ai 编码的瓶颈已从模型能力转向上下文管理和意图对齐

他们提出规格驱动开发

在写代码之前

先由人和ai 共同锁定规格文档

这和nsrr pic 推的cloud md 理念一脉相承

最后一条

腾讯科技发了一篇思辨文章

讲ai 智能体对传统经济学的冲击

核心观点是

当智能体把交易成本降到接近零

科斯定理就不成立了

公司为什么存在

平台为什么有价值

价格机制怎么运作

这些基础问题都要重新想

还有一个锐利的观点

当数亿智能体共享同一个底层模型的逻辑价格信号可能不再反映人类的真实需求

这篇值得花时间细读

好

今天就聊到这里

今天有个贯穿的主题

就是ai 正在从被动回答走向主动执行

不管是黄仁勋描述的ai 工上cursor 为智能体优化的搜索基础设施

还是anthropic 让clode 操作电脑和完成长程任务

都指向同一个方向

Ai 正在变成一个能真正帮你干活的搭档

所有链接都在简介里

感兴趣的可以看看原文

明天见

展开显示全部歌词